ATLAS
A.T.L.A.S.(Adaptive Test-time Learning and Autonomous Specialization,自适应测试时学习与自主特化)是由 Inferstep 开源的本地终端 AI 编码智能体(遵循 AGPL-3.0 协议)。它的核心使命在于打破对昂贵商业云端闭源大模型的依赖,通过先进的“测试时计算(Test-time Compute)”系统外挂,让消费级硬件上运行的小参数量开源模型也能迸发出媲美前沿模型的代码交付能力。
针对 7B 至 14B 级别轻量开源模型在面对复杂工程时单次生成极易报错的缺陷,ATLAS 在模型外部构筑了严密的工程脚手架:包含任务层级规划、多候选代码分支并发生成、代码质量动态打分、隔离沙箱编译运行以及根据测试报错自动闭环修复。系统基于 llama.cpp 与 GGUF 量化格式,能够完全离线在 Apple Silicon(Metal)、NVIDIA GPU、AMD 显卡及通用 CPU 上高速运行,实现零云端 API 费用与 100% 数据隐私保护。
对于在断网涉密环境工作或注重源码隐私的研发团队而言,ATLAS 展现了惊艳的离线编程辅助实力。需要客观认识的是,测试时计算机制(生成多候选方案并在沙箱中反复跑测试修复)会大幅拉长单次代码产出所需的推理耗时与硬件功耗;7B 小模型在宏观架构抽象设计上仍存在固有上限;且开源版遵循严格的 AGPL-3.0 强传染性协议。
功能特性
为什么选择它
权衡点
维护状况检查
- 最近提交
- 2026-10-24
- 近 90 天提交数
- 55
- 近 90 天发布数
- 4
- 最新发布
- v3.1.7 (2026-10-25)
- 未关闭 issue
- 147
- 近期 issue 至少有一条评论的比例
- 0/1
最早的一周在左边,最近 4 周为橙色。数据来源:GitHub 提交统计。
状态规则:GitHub 上已归档 = 已归档;最近提交在 90 天内 = 活跃;91 到 365 天 = 放缓;更久 = 停滞。所有数字来自所示日期的 GitHub API。
讨论最多的未关闭 issue
- #35 JetBrains plugin (the VS Code extension is on dev, for 3.2.0)16 条评论 · 2026-04-13
- #245 CI: run each service's Python tests on the Python its image uses6 条评论 · 2026-09-28
- #238 Held-out evaluation suite: frozen tasks and graders with paired controls6 条评论 · 2026-09-28
- #215 Content loops are detected late and use more than half of a session6 条评论 · 2026-09-28
- #202 OpenSSF Scorecard: pin the remaining installs and re-check after 3.2.06 条评论 · 2026-09-28
issue 标题引自 GitHub。请打开链接确认该问题是否仍适用于你使用的版本。
使用场景
同类工具
评论
暂无评论,来发表第一条吧